O Google DeepMind e a Agência de Tecnologia do Governo de Singapura (GovTech) ajustaram o leve modelo Gemma para criar um detector de golpes. Ele analisa as conversas diretamente no celular e, ao encontrar algo suspeito, exibe um alerta em tempo real no próprio aparelho, sem enviar as mensagens para a nuvem. O projeto foi apresentado na Semana Internacional de Cibersegurança de Singapura (SICW) 2026, e o DeepMind o descreveu em uma publicação em 14 de outubro, dentro da estrutura da “Parceria Nacional de IA” entre as duas partes.
Singapura tem motivos concretos para investir nisso. Segundo dados citados pelo DeepMind, as fraudes respondem por mais da metade dos crimes registrados no país, com perdas acumuladas superiores a 4 bilhões de dólares singapurianos desde 2019; os golpes sofisticados de engenharia social chegam a representar até 80% das perdas. As táticas mais comuns incluem se passar por órgãos públicos, bancos e conhecidos locais, além de fraudes de investimento e falsas ofertas de emprego.
Detecção em duas etapas
O modelo trabalha em dois níveis. O primeiro é um classificador leve de triagem rápida, que separa as conversas suspeitas. Só quando há correspondência é que a conversa passa ao segundo nível, o Gemma ajustado, que analisa vários turnos do diálogo e avalia se há técnicas de manipulação. Segundo o DeepMind, esse desenho serve para economizar bateria, já que o celular não precisa executar um modelo maior a cada mensagem.
A privacidade é o ponto mais destacado na divulgação da solução. O modelo só lê as conversas do aparelho com o consentimento do usuário e em conformidade com os termos de uso do aplicativo; de acordo com as duas partes, nem o governo de Singapura nem o Google conseguem ver as conversas dos usuários por meio dessa implantação. O ajuste fino foi feito em um ambiente do Google Cloud gerenciado pela GovTech, com dados de treinamento isolados, usando um conjunto anonimizado compilado a partir de denúncias de fraude e fontes de inteligência, com informações pessoais identificáveis removidas; os testes usaram conversas sintéticas e corpora locais.
Mark Chen, diretor de Confiança e Segurança da GovTech, afirmou:
“Fighting scams shouldn't mean sacrificing personal privacy.” (Combater golpes não deve significar sacrificar a privacidade pessoal.)
O que não foi divulgado
O texto não traz o número de parâmetros do modelo, nem métricas como precisão ou taxa de falsos positivos. O cronograma de lançamento também não foi informado; diz-se apenas que o avanço será “gradual e cauteloso”. Em quais aplicativos o modelo será embarcado e se ele será incorporado ao aplicativo antifraude ScamShield, já existente na GovTech, não foi esclarecido oficialmente, e por ora não é possível verificar. As duas partes afirmam que vão explorar levar tecnologia semelhante a outros países.
A taxa de falsos positivos pesa muito nesse tipo de produto. Se o alerta aparece com demasiada frequência, o usuário logo o desativa; se uma fraude de alto valor passa despercebida, a reputação sofre pelo outro lado. O governo de Singapura costuma divulgar dados sobre o combate a fraudes, e saber se, depois do lançamento gradual, ele apresentará taxa de acerto e taxa de falsos positivos será o primeiro material para o público avaliar a qualidade do projeto.
Olhando para a China
Os usuários chineses estão acostumados a alertas antifraude. O aplicativo do Centro Nacional Antifraude, assim como os bloqueios de chamadas das operadoras e dos fabricantes de celulares, baseiam-se em sua maioria, segundo informações públicas, em marcação de números, listas de alerta e bases de links fraudulentos, avaliando “quem está ligando e para onde o link aponta”. A solução de Singapura avalia o que a própria conversa diz, ou seja, faz o reconhecimento no nível do conteúdo, mirando justamente nos golpes de engenharia social com número limpo e discurso bem elaborado.
O reconhecimento no nível do conteúdo não escapa de preocupações com privacidade, e a justificativa apresentada pelas duas partes é justamente a privacidade, daí o modelo ter sido reduzido para rodar no dispositivo. Os fabricantes chineses de celulares vêm impulsionando modelos de linguagem no dispositivo nos últimos um ou dois anos; rodar no aparelho um modelo de algumas centenas de milhões a algumas dezenas de bilhões de parâmetros já não é novidade, e a base técnica existe. A dificuldade está na autorização e nos limites de responsabilidade: quem tem o direito de ler o conteúdo das conversas e quem responde em caso de erro de julgamento. A divisão adotada em Singapura prende o acesso à leitura ao consentimento do usuário e aos termos do aplicativo, cabendo ao governo e ao Google apenas fornecer o modelo, uma abordagem que serve de referência para projetos semelhantes na China.
Fontes: blog oficial do Google DeepMind, CocoLoop, materiais públicos da Agência de Tecnologia do Governo de Singapura; foram verificados os parceiros, o fluxo de detecção em duas etapas e o critério das estatísticas de perdas com fraude.